Options
2020
Journal Article
Title
Verbesserung der Netzverlustprognose für Energieübertragungsnetze
Other Title
Improvement of grid loss forecast for energy transmission grids
Abstract
Bei der Energieübertragung entstehen Netzverluste in den Leitungen und Betriebsmitteln des elektrischen Energiesystems. Die Höhe der Netzverluste ist sowohl von der Netzlast als auch von zahlreichen weiteren Einflussgrößen abhängig. Einen besonderen Einfluss hat dabei die fluktuierende und größtenteils verbrauchsferne Erzeugung durch erneuerbare Energien. Die Übertragungsnetzbetreiber müssen die elektrische Energie zum Ausgleich der Netzverluste im Voraus beschaffen. Um die benötigte Ausgleichsenergie möglichst kostenminimal einzukaufen, ist eine genaue Prognose der Netzverluste notwendig. Im Rahmen des vorliegenden Beitrags wird ein Verfahren vorgestellt, das für die Prognose der Netzverluste im Übertragungsnetz der 50Hertz Transmission GmbH zum Einsatz kommt. Als Modellansatz der Prognosemethode werden Künstliche Neuronale Netze verwendet. Das als Ergebnis der Arbeiten entwickelte Modell für die Netzverlustprognose steigert die Prognosegüte im Vergleich zum bisherigen Modell um sieben Prozent und befindet sich bei 50Hertz seit Juni 2019 im operativen Einsatz.
;
During energy transmission, grid losses occur in the lines and equipment of the electrical energy system. The extent of the grid losses depends both on the grid load and on numerous other influencing variables. The fluctuating and largely consumption-distant-related generation by renewable energies has a special influence. The transmission system operators have to procure the electrical energy to compensate for the grid losses in advance. In order to purchase the required balancing energy at the lowest possible cost, a precise forecast of the grid losses is necessary. In this paper a method is presented which is used for the forecast of the grid losses in the transmission grid of 50Hertz Transmission GmbH. Artificial neural networks are used as a model approach for the prognosis method. The model developed as a result of the work for the grid loss forecast increases the forecast quality by seven percent compared to the previous model and has been in operational use at 5 0Hertz since June 2019.
Author(s)
Open Access
Rights
Under Copyright
Language
German